arXiv · cs.AI· Yingxin Jia·· 7 天前AI 评分47
何时经验记忆能帮助闭环 LLM 驾驶智能体？带重采样热身池与 token 匹配对照的受控评估
When Does Experience Memory Help Closed-Loop LLM Driving Agents? A Controlled Evaluation with Resampled Warmup Pools, Token-Matched Fillers, and Audited Baselines
来源与原文
arXiv · cs.AI
作者：Yingxin Jia
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.27714v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项基于 HighwayEnv 测试床、以 gpt-4o-mini 运行的受控评估研究了经验记忆何时能帮助闭环 LLM 驾驶智能体。结果显示：10 个重采样热身池中，检索式记忆仅在 1 个池优于 No-Memory（sign test p=0.011），且任何被测检索设计都未超过 token 匹配的无关填充对照，仅一条 15-token 谨慎指令即达碰撞合并上限。研究表明单池比较会得出被对照反转的记忆增益结论，作者已开源测试床、审计端口、种子与缓存。
来源：arXiv · cs.AI · arxiv.org